神经网络能力指示的制作方法

至少一个实施例涉及用于训练一个或更多个神经网络和/或使用一个或更多个神经网络生成一个或更多个输出的处理资源。例如，根据本文中所描述的各种新颖技术，至少一个实施例涉及指示关于一个或更多个神经网络的一个或更多个能力。

背景技术：

1、训练神经网络和/或使用神经网络生成输出会使用大量的计算资源和时间。可改进训练神经网络和/或使用神经网络生成输出的方法。

技术实现思路

1.一种处理器，包括：

2.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置所支持的训练的类型来指示所述一个或更多个能力。

3.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置的一个或更多个信道状态信息自动编码器训练能力来指示所述一个或更多个能力。

4.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置的执行训练的计算能力来指示所述一个或更多个能力。

5.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置的训练延时来指示所述一个或更多个能力。

6.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置的执行训练的存储器存储来指示所述一个或更多个能力。

7.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置所支持的一种或更多种类型的输入来指示所述一个或更多个能力。

8.如权利要求1所述的处理器，其中所述一个或更多个电路通过至少指示用户设备ue装置所支持的一个或更多个量化类型来指示所述一个或更多个能力。

9.一种系统，包括：

10.如权利要求9所述的系统，其中所述一个或更多个处理器通过至少指示用户设备ue装置所支持的训练的类型来指示所述一个或更多个能力。

11.如权利要求9所述的系统，其中所述一个或更多个处理器通过至少指示用户设备ue装置的一个或更多个自动编码器训练能力来指示所述一个或更多个能力。

12.如权利要求9所述的系统，其中所述一个或更多个处理器通过至少使信号从用户设备ue装置被发送至基站来指示所述一个或更多个能力。

13.如权利要求9所述的系统，其中所述一个或更多个处理器通过至少指示用户设备ue装置的执行训练的计算能力和存储器存储中的一个或更多个来指示所述一个或更多个能力。

14.如权利要求9所述的系统，其中所述一个或更多个处理器通过至少指示用户设备ue装置的训练完整自动编码器、在联合训练中训练局部自动编码器以及在分割训练中训练自动编码器的编码器的能力中的一个或更多个来指示所述一个或更多个能力。

15.一种机器可读介质，具有存储在其上的指令集，所述指令集在由一个或更多个处理器执行时，使所述一个或更多个处理器至少：

16.如权利要求15所述的机器可读介质，其中所述指令集如果由所述一个或更多个处理器执行，则使所述一个或更多个处理器通过至少指示用户设备ue装置所支持的训练的类型来至少指示所述一个或更多个能力。

17.如权利要求15所述的机器可读介质，其中所述指令集如果由所述一个或更多个处理器执行，则使所述一个或更多个处理器通过至少指示用户设备ue装置的一个或更多个神经网络训练能力来至少指示所述一个或更多个能力。

18.如权利要求15所述的机器可读介质，其中所述一个或更多个能力包括用户设备ue装置的一个或更多个信道状态信息自动编码器训练能力，并且所述指令集如果由所述一个或更多个处理器执行，则使所述一个或更多个能力的表示从所述ue装置被发送至无线电网络基站。

19.如权利要求15所述的机器可读介质，其中所述指令集如果由所述一个或更多个处理器执行，则使所述一个或更多个处理器通过至少指示用户设备ue装置的一个或更多个自动编码器训练能力来指示所述一个或更多个能力，并且使所述ue装置训练自动编码器的至少一部分。

20.如权利要求15所述的机器可读介质，其中所述指令集如果由所述一个或更多个处理器执行，则使所述一个或更多个处理器通过至少指示用户设备ue装置的一个或更多个训练能力来指示所述一个或更多个能力，并且使所述ue装置部署包括所述神经网络的至少一部分的编码器。

21.一种方法，包括：

22.如权利要求21所述的方法，其中指示一个或更多个能力包括：指示用户设备ue装置所支持的训练的类型。

23.如权利要求21所述的方法，其中指示一个或更多个能力包括：指示用户设备ue装置的一个或更多个自动编码器训练能力。

24.如权利要求21所述的方法，其中指示一个或更多个能力包括：指示用户设备ue装置所支持的一种或更多种类型的自动编码器输入。

25.如权利要求21所述的方法，其中指示一个或更多个能力包括：将信号从用户设备ue装置发送至基站。

26.如权利要求21所述的方法，其中指示一个或更多个能力包括：指示神经网络层的最大数量、一层中的神经元的最大数量和跨层的神经元的最大数量中的一个或更多个。

27.一种用户设备装置，包括：

28.如权利要求27所述的用户设备装置，其中所述一个或更多个电路通过至少指示由所述用户设备装置所支持的训练的类型来指示所述一个或更多个能力。

29.如权利要求27所述的用户设备装置，其中所述一个或更多个电路通过至少指示所述用户设备装置的一个或更多个信道状态信息自动编码器训练能力来指示所述一个或更多个能力。

30.如权利要求27所述的用户设备装置，其中所述一个或更多个电路通过至少指示所述用户设备装置的执行训练的计算能力、训练延时和存储器存储中的一个或更多个来指示所述一个或更多个能力。

31.如权利要求27所述的用户设备装置，其中所述一个或更多个电路通过至少指示所述用户设备装置支持估计的下行链路信道作为所支持的输入的类型来指示所述一个或更多个能力。

32.如权利要求27所述的用户设备装置，其中所述一个或更多个电路通过至少指示所述用户设备装置支持均匀量化、非均匀量化、对称量化、非对称量化、静态量化、动态量化和随机量化中的一个或更多个来指示所述一个或更多个能力。